| 研究課題/領域番号 |
17K19989
|
|---|
| 研究種目 |
挑戦的研究(萌芽)
|
| 配分区分 | 基金 |
|---|
| 研究分野 |
情報科学、情報工学およびその関連分野
|
|---|
| 研究機関 | 国立研究開発法人理化学研究所 |
|---|
研究代表者 |
瀧 雅人 国立研究開発法人理化学研究所, 数理創造プログラム, 上級研究員 (70548221)
|
|---|
| 研究期間 (年度) |
2017-06-30 – 2020-03-31
|
| 研究課題ステータス |
完了 (2019年度)
|
| 配分額 *注記 |
6,240千円 (直接経費: 4,800千円、間接経費: 1,440千円)
2019年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
2018年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
2017年度: 3,120千円 (直接経費: 2,400千円、間接経費: 720千円)
|
|---|
| キーワード | 機械学習 / 数理物理 / 数理工学 / 深層学習 |
|---|
| 研究成果の概要 |
深層学習の高い性能（汎化性能）の起源は大きな謎であるが、それに数理的・応用的なアプローチで取り組むことが目標であった。本助成事業で整備できた計算機環境によって、深層学習に関する様々な計算機実験を行うことができた。その結果、深層学習の性能向上に寄与する実践的なノウハウを蓄積することができた。そのノウハウを活用し、実験科学のデータなどに対して、機械学習の長所を生かした応用研究を行うことができた。その際には計算機実験による実務的な側面も重要であったが、数理的解析による機械学習モデルの改良・調整も大きな役割を果たした。
|
| 研究成果の学術的意義や社会的意義 |
深層学習技術は、数理的側面と計算機科学的側面、そして応用を通じた実務的側面を持つが、その間の橋渡しを少しでもできるよう取り組んだ。科学における深層学習の応用研究はまだ始まって日が浅いが、共同研究者などをへ深層学習技術を提供することで、深層学習を使った科学研究が本邦でより進むよう本研究課題を進めた。また応用研究を通じて科学に適用する際の難しい点なども浮き彫りになり、それは今後の検討課題である。
|
